clase_npphen.knit

class: inverse,left, middle
background-image: url(data:image/png;base64,#background.png)
background-size: cover

##Módulo 4: Procesamiento masivo de datos geoespaciales

###Análisis de series de tiempo con paquete "npphen"

Roberto O. Chávez<br> <a href="http://github.com/xxxx">
Github: robertogrspucv</a><br> 
<a href="mailto:roberto.chavez@pucv.cl"> roberto.chavez@pucv.cl</a><br>

---
class: center,middle
background-image: url(data:image/png;base64,#labgrs_logo.png)
background-size: 35%
---
## ¿Qué es "npphen"?
<center><img src="data:image/png;base64,#img01_npphen.png" height="450px"/></center>
.footnote[https://www.pucv.cl/uuaa/labgrs/proyectos/introduction-to-npphen-in-r]

---
## ¿Por qué fenología?
<center><img src="data:image/png;base64,#img08_geobon.png" height="450px"/></center>
.footnote[https://geobon.org]

---
## Fenología desde el espacio: índices vegetacionales
<center><img src="data:image/png;base64,#img02_indices.png" height="450px"/></center>

---
## Lo que tratamos de estimar: leaf area index (LAI)
<center><img src="data:image/png;base64,#img03_lai.png" height="450px"/></center>

.footnote["Fotos hemisféricas de bosques de Lenga(Nothofagus pumilio) en el sur de Chile"]

---
## Land surface phenology
<center><img src="data:image/png;base64,#img04_surf_phen.png" height="450px"/></center>

---
## Chile: un gradiente de "verdor" desde Atacama hasta Patagonia
<center><img src="data:image/png;base64,#img05_gradient.png" height="450px"/></center>

---
## Ejemplos: series de EVI de bosques de Chile Central
<center><img src="data:image/png;base64,#img06_tseries.png" height="500px"/></center>

---
## Anomalías EVI: ¿cuánto es grave?
<center><img src="data:image/png;base64,#img07_grave.png" height="500px"/></center>

---
## "npphen": cuantificando "grave"
<center><img src="data:image/png;base64,#img09_npphen.png" height="500px"/></center>

---
## Hiper-sequía 2019: ¿cuánto es grave?
<center><img src="data:image/png;base64,#img10_hsequia.png" height="500px"/></center>

---
## Defoliación extrema Verano 2021 en Aysén
<center><img src="data:image/png;base64,#img11_cuncuna.png" height="500px"/></center>

---
## Ranking de defoliaciones extremas en Aysén

---
## Anomalías extremas de "tormenta de fuego" 2017

Llamamos librerías y leemos los datos

```r
# Directorio de trabajo
setwd("YourFolder/Clase_npphen")
# Librerías
library(terra)
library(npphen)
library(tidyverse)
library(RColorBrewer)
#--------------------------------------------------------------------------#
# Apertura de datos
dates.table <- read.csv("MOD13Q1_dates_ts492.csv",sep = ",")
dates <- dates.table$dates %>% as.Date() 
evi.st <- rast("MOD13Q1_NDVI_ts492.tif")
nlyr(evi.st)
```

```
## [1] 492
```

---
## Anomalías extremas de "tormenta de fuego" 2017
Explorando los datos (Coord. plantación forestal)

```r
xy1 <- cbind(225529, 6064306) %>% as.matrix() # 
e1 <- terra::extract(evi.st, xy1) %>% as.numeric()
plot(x=dates,y=e1,type="l",ylab="EVI",xlab="", ylim=c(0,10000), col="green")
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex2-1.png" width="100%" />
---
## Anomalías extremas de "tormenta de fuego" 2017
Explorando los datos (2 raster: antes, después)

```r
par(mfrow = c(1, 2))
plot(evi.st[[343]], col=brewer.pal(9,"Greens"), range=c(1000,10000), main="antes") # 01-01-2015
plot(evi.st[[393]], col=brewer.pal(9,"Greens"), range=c(1000,10000), main="después") # 06-03-2017
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex3-1.png" width="100%" />
---
## Función Phenkplot (num. vector)

```r
par(mfrow = c(1, 2))
PhenKplot(x=e1,dates=dates, h=2, rge=c(0,10000), xlab="DGS",ylab="EVI")
PhenKplot(x=e1[1:366],dates=dates[1:366], h=2, rge=c(0,10000), xlab="DGS",ylab="EVI")
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex4-1.png" width="100%" />
---
## Función Phen  (num. vector)

```r
phen_e1 <- Phen(x=e1[1:366],dates=dates[1:366], h=2, frequency="16-days", rge=c(0,10000))
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex5-1.png" width="100%" />
---
## Función Phen  (num. vector)

```r
plot(phen_e1, ylim=c(0,10000))
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex6-1.png" width="100%" />
---

## Función ExtremeAnom  (num. vector)

```r
anom_e1 <- ExtremeAnom(x=e1,dates=dates, h=2,refp=c(1:342), anop=c(343:492), rge=c(0,10000), output = "both", rfd = 0.9)
```
---
## Función ExtremeAnom  (num. vector)

```r
par(mfrow=c(1,2))
barplot(anom_e1[1:150],col=ifelse(anom_e1[1:150]>0, 'dark green', 'orange'), names='', main='Anomalías')
barplot(anom_e1[151:300],col=ifelse(anom_e1[151:300]>=90, 'red', 'grey'), names='', main='RFD', ylim=c(0, 100))
abline(h=90)
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex8-1.png" width="100%" />
---
## ExtremeAnoMap: (raster stack)
Mapenado anomalías extremas (solo 2017, linea base 2010-2016)

```r
library(raster) # objeto clase raster stack se necesita para npphen
library(npphen)
dates.table <- read.csv("MOD13Q1_dates_ts492.csv",sep = ",")
ddd <- as.Date(dates.table$dates)[229:411]
evi.st.ras <- stack("MOD13Q1_NDVI_ts492.tif")[[229:411]]
ExtremeAnoMap(s=evi.st.ras, dates=ddd, h=2, refp=c(1:160), anop=c(161:183), rge=c(0, 10000),
              output = 'both', rfd = 0.9, nCluster=10, outname='2017_tfuego.tif',
              format='GTiff', datatype='INT2S')
```
---
## Visualizando los resultados

```r
par(mfrow=c(1,2))
tfuego.map <- stack("2017_tfuego.tif")
plot(tfuego.map[[1:4]], zlim=c(-7000,7000), col=brewer.pal(8, 'RdYlBu'))# Mapa de anomalías
```

```r
plot(tfuego.map[[24:27]], zlim=c(0,100), col=brewer.pal(9, 'BuPu')) # Mapa de RFD
```

<img src="data:image/png;base64,#clase_npphen_files/figure-html/ex10-2.png" width="100%" />
---
## Anomalía extrema (RFD>95) para una fecha

```r
tf3 <- tfuego.map[[3]]
rfd3 <- tfuego.map[[26]]
tf3[rfd3<95]<-NA
plot(tf3, zlim=c(-7000,7000), col=brewer.pal(8, 'RdYlBu'))
```

---
class: inverse middle
![logo](data:image/png;base64,#LABGRS-PUCV.png)